Brauchen wir Power BI in Zeiten von KI noch?

Ein Geschäftsführer sagt im Gespräch: „Power BI brauchen wir nicht mehr, wir werfen alles in die KI.“ Der Satz fällt inzwischen in vielen Unternehmen. Daten aus dem ERP oder aus Excel exportieren, in ein KI-Tool laden, zwei Minuten später liegt ein fertiger HTML-Report auf dem Tisch.

Die Debatte darüber verläuft in zwei Lagern. Die einen erklären das Dashboard für tot und setzen auf KI-Agenten. Die anderen warnen, ohne saubere Datenbasis sei jede KI-Auswertung Rätselraten. Beide reden aneinander vorbei, weil schon die Frage falsch gestellt ist.

Das Tool war nie der Kern

Power BI ist ein Werkzeug. Der eigentliche Wert liegt eine Ebene darunter: im Semantic Model. Dort ist festgelegt, was Umsatz bedeutet, wer als Kunde zählt, wie die Marge berechnet wird und welche Tabellen wie zusammenhängen. Das Dashboard ist nur die sichtbare Oberfläche dieser Festlegungen.

Wer fragt, ob Power BI noch gebraucht wird, fragt also eigentlich: Brauchen wir noch verbindliche Definitionen für unsere Kennzahlen? So formuliert beantwortet sich die Frage fast von selbst.

Warum KI ohne Definitionen rät

Eine KI lügt nicht. Sie rät. Bekommt sie einen Export mit den Spalten „aktive Kunden“ und „offene Opportunities“, interpretiert sie diese Begriffe nach bestem Wissen. Ist ein Kunde aktiv, wenn er in den letzten zwölf Monaten bestellt hat? Oder solange ein Vertrag läuft? Ist eine Opportunity offen, solange sie nicht verloren ist, oder erst ab einer bestimmten Phase? Ohne schriftliche Definition entscheidet das Modell jedes Mal neu, und nicht immer gleich.

Solange eine Person allein mit KI arbeitet, bleibt das beherrschbar. Sie kennt ihre Daten und bemerkt Ausreißer. Sobald aber mehrere Menschen eigene Exporte in eigene KI-Chats laden, entstehen mehrere Wahrheiten. Der Vertrieb meldet eine Zahl, das Controlling eine andere, die Geschäftsführung eine dritte. Jede davon ist sauber formatiert und überzeugend begründet.

HTML-Reports sind die neuen Excel-Versionen

Das Muster ist bekannt. Früher kursierten Dateien wie „Umsatz_final_v3_korrigiert.xlsx“. Heute kursieren HTML-Reports, die eine KI in Minuten gebaut hat. Der Unterschied: Sie sehen professioneller aus und wirken dadurch glaubwürdiger.

Im Konzern- oder Controlling-Umfeld verstärkt KI ohne Semantic Model deshalb das Chaos, statt es zu beseitigen. Sie macht es schneller und überzeugender. Fehler fallen oft nur Menschen auf, die das Geschäft und die Zahlen im Detail kennen. Controlling-Know-how wird damit nicht weniger wichtig, sondern wichtiger. Warum KI vorhandene Stärken und Schwächen gleichermaßen verstärkt, beschreibt der Beitrag KI ist ein Verstärker, kein Ersatz ausführlicher.

Was sich wirklich ändert

Trotzdem wäre es falsch, so zu tun, als bliebe alles beim Alten. Ein Teil der BI-Arbeit verliert an Wert, und das zu Recht: Visuals anordnen, Filter setzen, Bookmarks konfigurieren. Diese Klickarbeit übernimmt KI zunehmend.

Der Blick zurück hilft bei der Einordnung. Um 2015 war Reporting mit SQL Server Reporting Services mühsame Handarbeit. Power BI war die erste große Beschleunigung: Self-Service, Drag and Drop, Berichte in Stunden statt Wochen. KI ist die zweite. Beide Male ist das Handwerk schneller geworden. Die Denkarbeit dahinter nicht.

Das gilt auch für den nächsten Schritt, Agentic BI. Hier wartet das System nicht mehr auf Fragen, sondern meldet sich selbst: Der Umsatz ist gesunken, die Ursache liegt in einer bestimmten Region, folgende Maßnahmen bieten sich an. Das ist ein echter Fortschritt. Aber er braucht dasselbe Fundament. Ein Agent, der auf undefinierten Daten arbeitet, nennt mit großer Sicherheit die falsche Ursache. Das ist gefährlicher als ein leeres Dashboard, weil ihm niemand widerspricht.

Das Governance-Paradox

Branchenanalysen zeichnen seit einiger Zeit ein wiederkehrendes Bild: Viele Unternehmen führen KI-Analytics ein, realisieren den erhofften Nutzen aber nicht. Der häufigste Grund ist nicht die Technik, sondern fehlende Governance. Investitionen werden verschoben, Pilotprojekte versanden.

Darin steckt ein Paradox. Genau die Grundlagenarbeit, die mit KI angeblich überflüssig wird, entscheidet darüber, ob KI überhaupt Nutzen stiftet.

Die neue Rolle: Kurator der einen Wahrheit

Für BI-Verantwortliche verschiebt sich damit die Aufgabe: weg vom Reportbauer, hin zum Kurator der einen Wahrheit. Das bedeutet drei klare Festlegungen.

• Es gibt genau eine Umsatzkennzahl, nicht ein Dutzend Varianten je Abteilung.
• Das Semantic Model ist die einzige Quelle, auf die KI-Tools zugreifen dürfen.
• Copilot und andere Assistenten laufen auf geprüften Modellen, nicht auf losen Excel-Exporten.

Das klingt nach Kontrolle, ist aber vor allem Entlastung. Wenn Tabellen, Spalten und Measures im Semantic Model sauber beschrieben sind, muss niemand mehr DAX lesen, um zu verstehen, was eine Kennzahl bedeutet. Die KI auch nicht. Sie greift auf dieselben Definitionen zu wie das Controlling und liefert dadurch Antworten, die zueinander passen. Die Zertifizierung macht zusätzlich sichtbar, welchen Modellen das Unternehmen vertraut und welche noch im Aufbau sind. So entsteht ein klarer Rahmen, in dem Self-Service und KI schneller werden dürfen, ohne dass die Zahlen auseinanderlaufen.

Wie du dorthin kommst, lässt sich in fünf Schritten angehen. Keiner davon erfordert ein Großprojekt.

• 01

  Offen fragen, wer Exporte in KI lädt

  Nicht als Kontrolle, sondern als Bestandsaufnahme. Du erfährst, welche Schattenauswertungen bereits laufen.

• 02

  Die fünf wichtigsten KPIs prüfen

  Gibt es für jede eine schriftliche Definition? Falls nicht, ist ein KPI-Glossar der erste Baustein.

• 03

  Semantic Model mit Beschreibungen

  Tabellen, Spalten und Measures so beschreiben, dass eine KI das Modell versteht, ohne DAX zu lesen.

• 04

  Copilot nur auf zertifizierten Modellen

  Certified-Kennzeichnung nutzen und Daten in Bronze, Silber und Gold trennen.

• 05

  Den Rollenwechsel offen besprechen

  Mit dem Team über neue Aufgaben reden, statt alte Besitzstände zu verteidigen.

Fazit

Die richtige Frage lautet nicht, ob du Power BI noch brauchst. Sie lautet: Wer stellt sicher, dass jede KI-Anfrage auf einer geprüften Wahrheit beruht? Das leistet ein Semantic Model, mit oder ohne Power BI. Power BI liefert darüber hinaus, was HTML-Dateien nicht können: sicheres Teilen, Row-Level-Security und ein Rechenzentrum statt Berichten, die per Mail durchs Unternehmen wandern.

Wie Power BI und KI in der Praxis zusammenspielen, zeigt das KI & Power BI Mentoring: online, mit Live-Fragerunden. Das Thema dieses Beitrags gibt es außerdem als Video auf YouTube.